来一个官方的解释： 图床就是专门用来存放图片，同时允许你把图片对外连接的网上空间 在没有使用图床之前，自己写markdown文档的时候，插入的图片我会将其打包到对应的目录，一起归档存放，...使用图床之后，图床上的图片在网络上都有一个唯一的地址，因此在markdown引用了这个地址的图片后，可以将markdown写成的文档上传到各大支持markdown的平台上，这些图片都是可以正常显示的，对于我们发布文章的效率来说...，可真的不止节省一点点时间呢，而且还让心情极其美丽呢 进入正题，网络上有很多免费的图床，搜索引擎一搜一大把，在这里我比较推荐使用github作为图床，自从github被微软收购之后，国内访问github...的效率也明显好了许多， 使用github作为图床，免费，稳定，后台硬 对于一直使用github的人群来说，就新建一个仓库，做一个简单的设置，即可感受美妙的图床带来的高效与优雅 github作为图床的使用方式...在github上自己新建一个repo 作为图床的仓库 Setting 中 找到 Github Pages 在自己当前仓库传一张图片，如下例子 大家可以随时访问我的github上面的图 https
01 工具说明 Typora是一款优雅的markdown编辑器，所见即所得的编辑方式让我爱不释手，也推荐给大家。...Gitee是国内版的Github，功能跟Github基本一样，主要是在国内访问非常快，作为图床和笔记文件存放仓库非常合适。...PicGo实现自动上传图片并返回markdown格式的图片url，这是自动上传的，也就是在Typora中插入图片就自动帮你上传替换图片的url，对于我们用户是透明的，十分舒服。...ower：填gitee的用户名 repo：gitee中的仓库名 path：仓库中的路径名，文件夹以 / 分割 token：在gitee中生成的新令牌字符串。 6、到官网下载安装typora。...9、到此设置全部完成 10、使用时，直接ctrl+v粘贴图片到typora，即可自动完成上传和链接替换
上次我们提到使用github作为图床来进行图片存放，有朋友反馈自己就是没有办法翻墙，这种方法不能满足需求，可是按照小魔童哪吒的做事风格，放心哟，包你满意。...今天我们来介绍一个使用github作为图床的另一种方式，不需要翻墙，长期稳定，且不需要新建repo就可以实现，怎么样，过来瞧一瞧呗 01 新建issue 打开自己的github链接，自己任意一个仓库，点击...issues -- New issue 02 生成图片链接 在新建的issue对话框中拖入图片，即可生成图片链接，此时，你可以删掉当前的内容，不做提交，刚才的链接仍然有效，当然，最后还是自己只把链接留下来...，作为记录，以后自己查询起来也比较方便 例如现在我自己的其中几个提交，会把相关的图片链接放到一起，类似于归档归类，自己日后有需求，也可以到这里来查询。...这是小魔童的一点小心意与小技巧，希望大家可以尝试感受一下，期待大家的反馈哟。
在本文中，我将介绍matplotlib一个非常有价值的用于管理子图的函数——subplot_mosaic()。如果你想处理多个图的，那么subplot_mosaic()将成为最佳解决方案。...我们将用四个不同的图实现不同的布局。 首先使用Import matplotlib行导入必要的库。...子图A占据了整个顶部行，而其余的图(B、C和D)排列在底部行。 layout = """AAA BCD""" 利用subplot_mosaic()来定义基于指定布局的子图。...更新后的布局如下: 我们可以这样改 完整代码 那么如果想包含一个空的子图呢？ 可以使用"."...占位符，如下所示: 看看结果 可以看到Matplotlib中subplot_mosaic()函数用于创建复杂的子图布局。
什么是散布图？散布图是为了调查两种数据间的相互关系，一方在横轴、另一方在纵轴，并将测定值绘出的一种图表；例如，压入时间与接着强度之间的关系、电镀时间与电镀厚度的关系等。...但是散布图并非只能利用在原因与结果的关系上，它也可以运用在结果与结果，或原因与原因的关系上。基本上，它是了解两种变数关系（称为相关关系）的道具。何時使用散布图？散布图主要使用于解决问题之原因调查阶段。...例如在使用魚骨图时，如果输出及输入之间有相关的话，就将其要因判定为原因，然后再进一步检讨如何控制此原因的对策。如果没有相关的话，就判定为在可控管的对象外。...魚骨图的两种要因间若有相关的话，就可推测其要因具有原因与结果的关系，或是针对原因之连动的两种结果。散布图的一些示例示例 1：递增关系 图 1 中的散布图显示了递增关系。...x 轴显示预洗牛仔布纤维的载荷大小；y 轴显示测量的线磨损情况。该散布图显示了随机点云图。虽然有人可能会看到，随着载荷大小向右沿着图形增加，线磨损情况略有减少，我们可以使用简单线性回归来验证这种想法。
LDA寻找投影方向的目标是使得类间差异与类内差异的比值最大化 ? 定义类内散布矩阵为 ? 总类内散布矩阵为： ? 各个类的类内散布可以写成 ? 各类的散布之和可以写成 ?...3.解释LDA降维算法的流程。 首先计算投影矩阵，流程为： 1.计算各个类的均值向量与总均值向量。 2.计算类间散布矩阵 ? ，类内散布矩阵 ? 。 3.计算矩阵乘法 ? 。 4.对 ?...6.如果特征向量中有类别型特征，使用神经网络时应该如何处理？ 通常采用one hot编码，而不直接将类别编号整数值作为神经网络的输入。 7.对于多分类问题，神经网络的输出值应该如何设计？...接下来调整乘子变量α，使得目标函数取极大值 ? 这等价于最小化下面的函数 ? 约束条件为 ? 4.证明加入松弛变量和惩罚因子之后，SVM的原问题是凸优化问题且Slater条件成立： ?...的初始值是多少，通过上面的子问题求解算法得到是在可行域里的最小值，因此每次求解更新这两个变量的值之后，都能保证目标函数值小于或者等于初始值，即函数值下降，所以SMO算法能保证收敛。
当你需要对多维数据集进行可视化时，最终都要使用散布矩阵图**(pair plot)** 。如果想画出所有变量中任意两个变量之间的图形，用矩阵图探索多维数据不同维度间的相关性非常有效。...散布图有两个主要用途。其一，他们图形化地显示两个属性之间的关系。直接使用散布图，或使用变换后属性的散布图，也可以判断非线性关系。 其二，当类标号给出时，可以使用散布图考察两个属性将类分开的程度。...PairGrid 成对关系子图 子图网格，用于在数据集中绘制成对关系。 此类将数据集中的每个变量映射到多轴网格中的列和行。...安德鲁斯曲线 安德鲁斯曲线[3]允许将多元数据绘制为大量曲线，这些曲线是使用样本的属性作为傅里叶级数的系数而创建的。通过为每个类别对这些曲线进行不同的着色，可以可视化数据聚类。...径向坐标可视化 RadViz是一种可视化多变量数据的方法。它基于简单的弹簧张力最小化算法。基本上，在平面上设置了一堆点。在我们的情况下，它们在单位圆上等距分布。每个点代表一个属性。
在xml中使用.9图作为背景，内容不能居中，试了好多方法最后，加一个属性就ok了。...android:padding:0dip; 解析：.9图作为背景时，不可拉伸的部分就相当于该空间的padding距离 我的这个.9图只是左边可以拉伸的，右边大概80px是固定的，不可拉伸的。...我们也不能设置一个反向的padding，因为app需要安装在不同分别率的设备上，所以这个值又是不固定的。
再求类内均值计算Sb、Sw(类间散布矩阵、类内散布矩阵) 用Sb Sw来计算 投影 进行多分类问题求解。...求类间、类内散布矩阵。Sb Sw均为40*40的矩阵。 提取（Sw\sb表示Sb/Sw）矩阵的前9个（k-1）特征值eigs?...Fisher准则函数 d = eigs(A,k,sigma) %在稀疏矩阵A中提取出k个最大的特征值，sigma取值：'lm'表示绝对值最大的特征值；'sm'绝对值最小特征值；对实对称问题：'la'...表示最大特征值；'sa'为最小特征值；对非对称和复数问题： 'lr'表示最大实部；'sr'表示最小实部；'li'表示最大虚部；'si'表示最小虚部....实验过程：（实验环境Matlab） 5个人，每个人为5张照片作为训练集，1张作为测试集。 训练集： ? 训练集图片 1-5为1号，6-10为2号。 测试集：分别为1-5 ? 测试集 测试结果为： ?
（2）创建多图 可以用axis = fig.add_subplot(m,n,k)的方式定义增加的子图。...但是更简单的方法是： fig, axes = plt.subplots(m,n) # m行n列的多图矩阵； 这句命令可以创建一个新的figure，并且axes就是一个含有已创建的subplot对象的Numpy...还可以指定subplots的其他参数，例如使得子图之间具有相同的x轴或者y轴（否则matplotlib会自动缩放各子图的坐标轴界限） （3）调整子图的间距 利用subplots_adjust函数可以调整各个子图之间的间距和图像大小...调用plot时在kind设置为‘kde’就可以生成密度图。 散布图： 散布图是观察两个一维数据序列之间关系的有效手段。散布图也被成为散布图矩阵，它还支持在对角线上放置各个序列的直方图或者密度图。...image.png 图中(上)是直方图和密度图, (下)是散点图: ? image.png 散布图, 对角线是数据的密度图: ? image.png 散布图, 对角线是直方图: ?
三、PCA的过程 通常来说有以下六步： 1.去掉数据的类别特征（label），将去掉后的d维数据作为样本 2.计算d维的均值向量（即所有数据的每一维向量的均值） 3.计算所有数据的散布矩阵（或者协方差矩阵...5.计算散步矩阵或者协方差矩阵 a.计算散步矩阵 散布矩阵公式： ? 其中m是向量的均值： ? （第4步已经算出来是mean_vector） ? 结果： ?...b.计算协方差矩阵 如果不计算散布矩阵的话，也可以用python里内置的numpy.cov()函数直接计算协方差矩阵。...因为散步矩阵和协方差矩阵非常类似，散布矩阵乘以（1/N-1）就是协方差，所以他们的特征空间是完全等价的（特征向量相同，特征值用一个常数（1/N-1，这里是1/39）等价缩放了）。...其实从上面的结果就可以发现，通过散布矩阵和协方差矩阵计算的特征空间相同，协方差矩阵的特征值*39 = 散布矩阵的特征值 当然，我们也可以快速验证一下特征值-特征向量的计算是否正确，是不是满足方程 ?
我们又怎么知道这个特征空间是否能很“好”地表达我们的数据呢？ 在后面，我们会计算数据集的本征向量（成分），将其归总到一个所谓的“散布矩阵”（类间散布矩阵和类内散布矩阵）。...LDA的五个步骤 下面列出了执行线性判别分析的五个基本步骤。我们会在后面做更详细的讲解。 1. 计算数据集中不同类别数据的 d 维均值向量。 2. 计算散布矩阵，包括类间、类内散布矩阵。 ...计算两个 4×4 维矩阵：类内散布矩阵和类间散布矩阵。...2.1a 类内散布矩阵 Sw 类内散布矩阵 Sw 由该式算出： ?...PCA 和 LDA 的对比 为了与使用线性判别分析得到的特征子空间作比较，我们将使用 scikit-learn 机器学习库中的 PCA 类。
对于分类树，如果采用Gini系数作为度量准则，决策树在训练时寻找最佳分裂的依据为让Gini不纯度最小化，这等价于让下面的值最大化： ?...其中e为投影后空间的基向量，是标准正交基；a为重构系数，也是投影到低维空间后的坐标。如果定义如下的散布矩阵： ? 其中m和 ? 为所有样本的均值向量。则上面的重构误差最小化等价于求解如下问题： ?...通过拉格朗日乘数法可以证明，使得该函数取最小值的ej为散度矩阵最大的d'个特征值对应的单位长度特征向量。矩阵W的列ej是我们要求解的基向量，由它们构成投影矩阵。...计算时，先计算散布矩阵（或者协方差矩阵），再对该进行进行特征值分解，找到最大的一部分特征值和对应的特征向量，构成投影矩阵。可以证明，协方差矩阵或散布矩阵是实对称半正定矩阵，因此所有特征值非负。...简单的说，就是经过这个投影之后同一类的样本进来聚集在一起，不同类的样本尽可能离得远。这种最大化类间差异，最小化类内差异的做法，在机器学习的很多地方都有使用。 类内散布矩阵定义为： ?
如果定义如下的散布矩阵： 其中m和 为所有样本的均值向量。...则上面的重构误差最小化等价于求解如下问题： 通过拉格朗日乘数法可以证明，使得该函数取最小值的ej为散度矩阵最大的d'个特征值对应的单位长度特征向量。...矩阵W的列ej是我们要求解的基向量，由它们构成投影矩阵。计算时，先计算散布矩阵（或者协方差矩阵），再对该进行进行特征值分解，找到最大的一部分特征值和对应的特征向量，构成投影矩阵。...可以证明，协方差矩阵或散布矩阵是实对称半正定矩阵，因此所有特征值非负。进行降维时，先将输入向量减掉均值向量，然后左乘投影矩阵，即可得到投影后的向量。 主成分分析一种无监督学习算法，也是一种线性方法。...类内散布矩阵定义为： 它衡量的内类样本的发散程度。其中mi为每个类的均值向量，m为所有样本的均值向量。类间散布矩阵定义为： 它衡量的了各类样本之间的差异。
刷题日记Day2 977 有序数组的平方 209. 长度最小的子数组 59....长度最小的子数组 链接：https://leetcode.cn/problems/minimum-size-subarray-sum/description/ 给定一个含有 n 个正整数的数组和一个正整数...找出该数组中满足其总和大于等于 target 的长度最小的 连续子数组 [numsl, numsl+1, …, numsr-1, numsr] ，并返回其长度。...如果不存在符合条件的子数组，返回 0 。...思路：模拟，设置上下左右四个方向，注意方向的设置必须按照顺时针，即右-》下-》左-》上循环往复，碰壁则调转方向。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
腾讯会议
云直播
对象存储
